計(jì)量經(jīng)濟(jì)學(xué)線性回歸模型.ppt

1、第二章線性回歸模型、一維回歸模型多元線性回歸模型可線性化模型虛擬變量、一維回歸模型實(shí)例、Case1是黑龍江省伊春林區(qū)1999年16個(gè)林業(yè)局年木材采伐量及相應(yīng)采伐剩馀物數(shù)據(jù)。 利用該數(shù)據(jù)，介紹基于EViews軟件的OLS回歸、1、數(shù)據(jù)文件的讀取或打開(kāi)方法。 畫散布圖。 命令方式： scat y x菜單方式：從EViews主菜單中喀嚦聲快速牛鼻子，選擇Graph/Scatter功能組操作方式：首先將順序y和x分組，然后在主窗口中使用菜單View/Graph/Scatter 3、OLS估計(jì)菜單操作方式：從工作文件主菜單中喀嚦聲快速/評(píng)估功能。 “等式規(guī)范”(Equation Specificatio

2、n )對(duì)話計(jì)程儀框：在選擇框中鍵入y c x，或鍵入y=c(1)10c(2)*x以表示一元線性回歸方程。 指令操作方式： Ls y c x，4，結(jié)果顯示喀嚦聲方程式對(duì)象窗口中的View牛鼻子： Actual，F(xiàn)itted，Residua/Actual，F(xiàn)itted，Residual Table功能，獲得格拉夫快速的Presentation。 取得輸出結(jié)果的代數(shù)式Stats牛鼻子，可以返回最初的顯示方法。 名稱牛鼻子。 此輸出結(jié)果可以加上Estimate牛鼻子，并且可以隨時(shí)更改估計(jì)模型的數(shù)學(xué)格式、采樣范圍和估計(jì)方法。 在輸出結(jié)果中，Std. Error (標(biāo)準(zhǔn)誤差) :主要用于測(cè)量回歸系數(shù)的統(tǒng)一

3、可靠性。 標(biāo)準(zhǔn)誤差越大，回歸系數(shù)的估計(jì)值越不可靠。 t - Statistic (t統(tǒng)一修正量) :檢查系數(shù)為零的有木有(變量是否存在于回歸模型中)。 prob (概率)。 根據(jù)t分布定條件，此列顯示與左側(cè)的列t統(tǒng)一量值相對(duì)應(yīng)的概率。 該信息使得能夠容易地區(qū)別是拒絕還是接受系數(shù)的真值為0的假定。 在正常情況下，如果概率小于0.05，則可以認(rèn)為對(duì)應(yīng)系數(shù)不為0。 R-squared (可決定系數(shù)) :表示適合度的好壞，可決定系數(shù)越大，方程式越適合。 S. E. of regression (回歸的標(biāo)準(zhǔn)誤差) :這是預(yù)測(cè)誤差大小的綜合測(cè)定值，殘差大小的測(cè)定值。求和resid (殘差平方和) :是殘差

4、的平方和，并且可以用作若干檢驗(yàn)的輸入值。 Log likelihood (對(duì)數(shù)似然估計(jì)) :是基于系數(shù)估計(jì)的對(duì)數(shù)似然函數(shù)估計(jì)(假設(shè)誤差遵循正態(tài)概率分布)。 通過(guò)觀察方程式的限制式和非限制式的對(duì)數(shù)似然推定值的差異進(jìn)行似然比檢驗(yàn)。 Durbin-Watson stat(DW統(tǒng)一校正量) :這是用于檢驗(yàn)序列相關(guān)性的統(tǒng)一校正量。 如果顯著小于2，則該序列證明正相關(guān)性，并且Mean Dependent Var (被解釋變量的平均值) :是被解釋變量的樣本平均值。 F-Statistic (F統(tǒng)修正量) :這是回歸式的所有系數(shù)都為0 (常數(shù)項(xiàng)除外)的零假設(shè)。 prob (f-statistic ) (與f

5、統(tǒng)計(jì)校正量對(duì)應(yīng)的概率) :項(xiàng)是根據(jù)上述f統(tǒng)計(jì)校正量的值計(jì)算的概率。 另外，在X=20條件下的模型的樣本外預(yù)測(cè)方法將作業(yè)文件范圍從原始116改變?yōu)? 17。 打開(kāi)x數(shù)據(jù)窗口，在Edit /-牛鼻子中將x的第17個(gè)觀測(cè)值指定為20。 在“輸出結(jié)果”窗口中喀嚦聲Forecast牛鼻子時(shí)，將出現(xiàn)“預(yù)測(cè)”對(duì)話框。 yf在Forecast name選擇區(qū)域自動(dòng)生成，yf是存儲(chǔ)預(yù)測(cè)值的變量。 在Forecast sample選擇區(qū)域中，將預(yù)測(cè)范圍從1 17變更為17 17，即，僅預(yù)測(cè)x=20時(shí)的y的值。 在多元線性回歸模型的情況下，case2是1950-1987年間影響美國(guó)汽車汽油消費(fèi)量和消費(fèi)量的變量。 其

6、中各變量以表示QMG-汽車汽油消費(fèi)量的MOB-汽車保有量PMG-汽油零售價(jià)格POP-人口gnp-1982年的美元修訂后的GNP汽油消費(fèi)量為原因變量，其他變量作為自變量制作回歸模型。、1、模型創(chuàng)建菜單方式：選擇object/new object，在“新建對(duì)象”對(duì)話框計(jì)程儀框中選擇Equation對(duì)象，然后喀嚦聲OK進(jìn)行命名或快速/選擇“estimate equation .”命令方法：在主窗口的命令行中輸入： lsqmg=c (1) c (2) * carc (3) * pmgc (4) * 2預(yù)測(cè)菜單命令對(duì)于方程對(duì)象為proc/Forecast 直接從工具條中選擇forecast后，Eview

7、s將生成新的對(duì)話框，并生成一個(gè)新序列，其中原始參數(shù)名稱為f，或者自各兒命名。RMSE平方平均數(shù)誤差MAE平均絕對(duì)誤差MAPE即平均絕對(duì)%誤差Theil inequality coefficient希爾不均勻系數(shù)Bias proportion偏差率Variance proportion方差率Covariance proportion協(xié)調(diào)率， 關(guān)于多維線性回歸模型的極大似然估計(jì)，在對(duì)數(shù)極大EViews中對(duì)似然函數(shù)的描述僅僅是一系列序列的代入語(yǔ)句，并且在極大化的過(guò)程中反復(fù)校正這些個(gè)的語(yǔ)句。 編寫一系列敘述句，記述修正時(shí)各觀測(cè)值對(duì)似然函數(shù)有貢獻(xiàn)的順序。 使用極大似然法估計(jì)模型殘奧儀，這是變量y的似然函

8、數(shù)。 對(duì)似然函數(shù)求極大值與對(duì)對(duì)數(shù)似然函數(shù)求極大值是等效的。EViews計(jì)程儀編程，以case1為例。 輸入要在object中打開(kāi)的logl對(duì)象的logl對(duì)象窗口： logl logl 1參數(shù)(1)-0.7 c (2)0.4c (3)4RES=y-c (1)-c (2)。 這種模型稱為可線性化的非線性模型。 例3、case3以某企業(yè)16個(gè)月的某產(chǎn)品產(chǎn)量(x )和單位成本(y )的資料，研究?jī)烧叩年P(guān)系。 為了明確產(chǎn)量和單位成本之間的關(guān)系，首先制定散布圖。 根據(jù)三個(gè)備選模型：線性化規(guī)則，有兩種方法來(lái)創(chuàng)建非線性模型1，用genr命令用變換函數(shù)創(chuàng)建新序列，用LS命令參數(shù)估計(jì)新序列。 如果使用Genr z

9、=1/x Ls y c z 2和LS命令，則直接操作定序列，而不生成新序列。 只要條件允許，Ls y c 1/x推薦第二種處理方法。 輸出結(jié)果表明，上述三種模型的回歸系數(shù)和回歸方程均通過(guò)了顯著的檢驗(yàn)。 說(shuō)明用這些個(gè)3個(gè)模型記述x和y的關(guān)系比較好。 雖然系數(shù)行列式差別不大，雙曲線的系數(shù)行列式最大。 把雙曲線模型作為最終選擇模型。 虛擬變量的應(yīng)用、一般線性回歸模型、變量的可能值都是具體的連續(xù)數(shù)值，如國(guó)民生產(chǎn)總值、員工的年人均收入等，這些個(gè)都屬于定量變量。 但是，在實(shí)際的問(wèn)題中，性別、作用、歷史時(shí)期(修訂經(jīng)濟(jì)和市場(chǎng)經(jīng)濟(jì))等，不是用數(shù)值來(lái)測(cè)量的，經(jīng)常會(huì)遇到被稱為定性變量的變量。 包含定性變量的線性回歸

10、問(wèn)題分為參數(shù)中含有定性變量的情況和原因變量中含有定性變量的情況，但是后者比較復(fù)雜，因此在本節(jié)中僅討論參數(shù)中含有定性變量的情況。 在創(chuàng)建一個(gè)虛擬變量的設(shè)置回歸模型之前，對(duì)屬于定性變量的變量進(jìn)行量化處理，然后通常引入僅具有兩個(gè)值0和1的名義(Dummy )變量。 例如研究員工工作量的回歸模型：中，yi和xi分別表示第I個(gè)員工的工作量和工作量，Di是定性變量。 引入的虛擬變量。 也稱為虛擬變量。 如果存在m種描述或現(xiàn)象，則引入虛擬變量的個(gè)數(shù)為m-1。 2、虛擬變量的導(dǎo)入方式(1)加法方式(2)乘法方式以不同的方式導(dǎo)入虛擬變量會(huì)反映不同的影響效果，因此在設(shè)置虛擬變量的情況下，根據(jù)散布圖或經(jīng)濟(jì)分析大致判

11、斷定性要素的影響類型(即影響截尾或斜率)，然后以加法方式或乘法方式在模型中設(shè)置虛擬變量在實(shí)際的應(yīng)用中，很難事先確定定性因素的影響類型。因此，一般采用直接加法乘法方式導(dǎo)入虛擬變量，通過(guò)t檢驗(yàn)來(lái)判斷其系數(shù)是否等于0，決定虛擬變量的導(dǎo)入方式。 3EViews的操作解釋變量中包含定性變量的問(wèn)題比較簡(jiǎn)單，EViews的操作過(guò)程與一般的多元線性回歸模型建模過(guò)程基本相同，只需將定性變量看作一般的數(shù)值變量操作即可。 例case24、回歸函數(shù)的截尾具有特定的經(jīng)濟(jì)學(xué)意義，在這里，女子人民教師的平均初任工資對(duì)回歸模型解釋如下。 性別變量為定數(shù)的情況下，平均年薪增加1371美元，學(xué)齡變量不變的情況下，男子人民教師的平

12、均年薪比女子人民教師多3334美元。 由于虛擬變量的系數(shù)在統(tǒng)計(jì)學(xué)上是顯著的，因此可以說(shuō)男女人民教師的平均年假盡管對(duì)教齡有相同的年假生長(zhǎng)率，但兩種人民教師的平均年假不同。 例5、中國(guó)進(jìn)出口模式。 中國(guó)進(jìn)出口貿(mào)易總額數(shù)據(jù)(1950-1984年)見(jiàn)trade.xls。 改革開(kāi)放前后，試試這個(gè)時(shí)間序列的傾斜是否有變化。 1978年前為0，例6的虛擬變量在季節(jié)調(diào)整中的應(yīng)用，1982 : 1 1985 : 4中國(guó)季度的酒銷售量(y，萬(wàn)噸)數(shù)據(jù)參照case36，這是時(shí)序數(shù)據(jù)，呈現(xiàn)明顯的季節(jié)變化特征，在建模時(shí)加上季節(jié)虛擬變量具有季節(jié)特征首先作圖，觀察季節(jié)變動(dòng)趨勢(shì)和長(zhǎng)期趨勢(shì)。 從工作文件的主菜單中喀嚦聲快速牛鼻子，選擇“Generate Series”功能，然后在出現(xiàn)的對(duì)話框計(jì)程儀中鍵入DI=seas(1)以定義虛擬變量D1。 也就是說(shuō)，如果數(shù)據(jù)屬于第一季度，則D1=1，否則D1=0。 類似地，定義虛擬變量D2、D3以區(qū)分第二和第三季